양적 위상 현미경을 이용한 암세포·전이세포 공간 서명 분석

초록

**
본 연구는 라벨‑프리 양적 위상 이미징(QPI)으로 살아있는 정상·암·전이 세포를 구분한다. 저코히런스 오프‑축 간섭 현미경으로 흐름 중인 세포를 단일 노출로 촬영하고, 3‑D 형태·텍스처 파라미터 15종을 추출해 통계·머신러닝 분석을 수행하였다. 분류 정확도는 81‑93% 민감도, 81‑99% 특이도를 기록하였다.

**

상세 분석

**
이 논문은 양적 위상 현미경(Quantitative Phase Microscopy, QPM)을 활용해 액체생검(liquid biopsy) 상황을 모사한 실시간 세포 흐름 이미지 분석을 시도한다. 저코히런스 광원을 이용한 오프‑축 간섭계(off‑axis interferometric) 설계는 단일 노출(single‑exposure) 방식으로 빠른 프레임 레이트를 구현함으로써, 흐름 중인 살아있는 세포의 광학 경로 지연(optical path delay, OPD) 맵을 왜곡 없이 획득한다. 획득된 OPD 맵은 세포의 투과성 질량과 두께 정보를 3‑차원 형태로 복원할 수 있어, 기존 형광 라벨링에 의존하는 흐름 세포계측과는 근본적으로 다른 비침습적 정보를 제공한다.

데이터 전처리 단계에서는 배경 보정과 잡음 억제를 위해 위상 언래핑(phase unwrapping)과 필터링을 적용하고, 세포 경계를 자동 분할한다. 이후 15개의 정량적 파라미터를 계산했는데, 여기에는 평균 OPD, 표준편차, 최대·최소 OPD, 부피, 표면적, 구형도(sphericity), 텍스처 지표(에너지, 엔트로피, 대비, 상관관계 등)가 포함된다. 이러한 파라미터는 세포의 핵·세포질 비율, 세포막 굴곡성, 내부 복합 구조 등을 정량화한다.

통계 분석 결과, 정상·암·전이 세포 간에 대부분의 파라미터에서 p < 0.001 수준의 유의미한 차이가 관찰되었다. 특히 평균 OPD와 부피는 암세포에서 현저히 증가했으며, 텍스처 엔트로피는 전이세포에서 가장 높았다. 이러한 일관된 경향은 세포의 물리적·구조적 변형이 암 진행 과정에서 누적된다는 기존 생물학적 가설을 지지한다.

머신러닝 분류에는 다층 퍼셉트론(MLP) 기반의 맞춤형 알고리즘을 적용했으며, 입력 피처는 위에서 정의한 15개 파라미터 전부였다. 교차 검증(k‑fold)과 독립 테스트 셋을 이용한 평가에서 정상 vs 암, 암 vs 전이 구분에서 각각 81‑93%의 민감도와 81‑99%의 특이도를 달성하였다. 이는 기존 흐름 세포계측에서 라벨링에 의존하거나 복잡한 이미지 전처리가 필요한 경우에 비해 높은 성능을 보여준다.

이 연구의 핵심 기여는 (1) 흐름 중인 살아있는 세포를 라벨‑프리로 고해상도 양적 위상 이미징으로 측정할 수 있는 실험 플랫폼을 구축한 점, (2) 3‑D 형태·텍스처 파라미터를 체계적으로 정의·계산하여 세포 군집 간 차이를 정량화한 점, (3) 이러한 파라미터 기반 머신러닝 모델이 액체생검 환경에서도 높은 분류 정확도를 보인 점이다. 향후 이 기술을 고속 이미지 흐름 세포계측기에 통합한다면, 실시간 암 조기 진단·전이 모니터링에 혁신적인 도구가 될 가능성이 크다.

**